En septiembre de 2026, Jev de TypeSafe AI llevó el término «decision model» al gran público. Dos semanas después, el 1 de octubre, Cloudflare lanzó dos modelos comparables —Clef y Clef-flash— alojados en Workers AI y publicados también como pesos abiertos Apache-2.0 en Hugging Face.
El posicionamiento de Clef es directo: hacer frente a Jev directamente y convertir «open-weight + multimodal + autoalojable» en el diferenciador. Tiene 27B de parámetros, incorpora un codificador de visión, admite una ventana de contexto de 64k y es totalmente compatible con la API de Jev / SystemOne. Para quien hace una evaluación técnica, la pregunta ya no es si los modelos de decisión son útiles, sino si una API gestionada o el autoalojamiento con pesos abiertos encaja mejor con tu equipo.
Todos los benchmarks de abajo provienen de las ejecuciones internas publicadas por Cloudflare. Son suficientes para descartar opciones claramente inadecuadas, pero no sustituyen una nueva prueba con tus propios datos.
La versión corta
- Cero operaciones, máxima precisión: funcionan tanto Jev como las versiones gestionadas de Clef; Clef lidera en la mayoría de los benchmarks de clasificación, y la entrada multimodal es exclusiva de él. Para empezar lo antes posible, prueba la API de Clef gestionada en defapi.
- Entrada de imagen o vídeo: hoy Jev solo acepta texto. Clef es la única opción.
- Autoalojamiento o residencia de datos: los pesos Apache-2.0 de Clef son una ventaja clara cuando hay requisitos estrictos. El precio es una huella de GPU de 27B más operación.
- Latencia extremadamente baja: Clef-flash (9B, 38,8 ms de mediana) es un orden de magnitud más rápido que Jev (524 ms), a cambio de algo de precisión.
- Solo quieres probarlo: ambos parten de una API compatible, pero nunca dejes que los benchmarks públicos sustituyan la validación de compra.
Si ya leíste nuestra comparación Jev vs Laya, este artículo aplica el mismo marco a un tercer candidato.
Qué es Clef
Clef es una familia de modelos de decisión entrenados por Cloudflare. Características clave:
| Elemento | Clef | Clef-flash |
|---|---|---|
| Backbone | Qwen3.8-27B (con codificador de visión) | Qwen3.5-9B |
| Entrada | Texto, JSON, imágenes, vídeo | Texto, JSON, imágenes, vídeo |
| Contexto | 64k | 64k |
| Salida | Un logit por opción permitida por pregunta, softmax por pregunta | Igual |
| Licencia | Apache-2.0 | Apache-2.0 |
| Alojamiento | Cloudflare Workers AI | Cloudflare Workers AI |
Su modo de funcionamiento es de la misma categoría que Jev pero con una implementación distinta: sin generación de texto libre, sin parseo de salida. Le das un state (texto, JSON, imágenes o vídeo) más un conjunto de preguntas con esquema tipado, y devuelve una probabilidad para cada opción permitida de cada pregunta en una única pasada forward.
En cuanto al nombre, Cloudflare se apoya en una metáfora musical: una clef al inicio de un pentagrama asigna nombres de nota a las líneas y los espacios, y un modelo de decisión define el dominio del contexto que determina las acciones que siguen. El «CF» también es un guiño a Cloudflare.
Arquitectura: prefill más puntuación paralela, no generación token a token
La clave para entender Clef es que no es autorregresivo:
- El backbone Qwen ejecuta una pasada forward solo de prefill sobre toda la entrada.
- Una pequeña cabeza de esquema conjunta lee los estados ocultos finales del backbone, enruta la evidencia del state a cada pregunta y puntúa todas las opciones de todas las preguntas de forma conjunta.
- Cada opción obtiene un logit; un softmax por pregunta lo convierte en probabilidades.
No hay texto generado intermedio. Donde un LLM genera razonamiento y luego lo formatea como JSON, Clef deriva las elecciones de esquema directamente de las representaciones internas del backbone.
Merece la pena recordar el enrutamiento de atención en dos etapas de Cloudflare: cada elección válida primero extrae el contexto relevante para sí misma (enrutamiento de evidencia específico de la opción), luego los campos se atienden entre sí y de vuelta al payload original (atención cruzada conjunta entre campos) antes de la puntuación ligada al esquema. Un prior léxico preserva la intención semántica entre opciones.
Para el entrenamiento, Cloudflare congeló los backbones Qwen y optimizó conjuntamente la cabeza de enrutamiento junto con adaptadores LoRA de rango 256:
- entropía cruzada con suavizado de etiquetas (para garantizar salidas de esquema válidas)
- pérdida de Brier (para mejorar la calibración de probabilidades)
- RLCD (Reinforcement Learning for Calibrated Decisions) como objetivo secundario, que concede crédito parcial a las elecciones ordinales adyacentes, recompensa los registros totalmente precisos y aplica una penalización de referencia para evitar el desplazamiento de la distribución
Hay un detalle interesante aquí: Cloudflare había publicado un experimento de modelo de decisión construido sobre DiffusionGemma la misma semana en que se lanzó Jev. Clef es una continuación de esa línea, solo que con un backbone distinto. No es una copia de la arquitectura de Jev: llegó por una vía independiente de exponer los logprobs de un LLM como probabilidades deterministas.
Compatibilidad con Jev / SystemOne
Clef es totalmente compatible. El mismo cuerpo de petición POST /v1/systemone devuelve la misma estructura model, answers y usage. Una respuesta choice tiene choice / confidence / probabilities; una respuesta score tiene el score / confidence / legend / probabilities esperados; una respuesta noul devuelve la probabilidad de que la proposición sea verdadera.
Las tres primitivas se alinean con Jev:
| Primitiva | Significado | Devuelve |
|---|---|---|
noul | Proposición binaria, verdadero/falso | Una probabilidad entre 0.0 y 1.0 |
choice | Opciones con nombre, elegir una | Elección + confianza + probabilidades por opción |
score | Opciones ordenadas, puntuar | Puntuación esperada + confianza + probabilidades por nivel |
Para un sistema que ya integra Jev, esto significa un coste de migración muy bajo: incluso puedes poner el mismo cliente detrás de dos proveedores para tráfico en la sombra. Pero una advertencia: la compatibilidad de protocolo de cable no es equivalencia semántica. Los límites de opciones, las fórmulas de confianza y las curvas de calibración pueden diferir entre modelos, así que los umbrales antiguos deben revalidarse con muestras límite.
Un ejemplo oficial concreto (endpoint de Cloudflare Workers AI):
curl https://api.cloudflare.com/client/v4/accounts/$CLOUDFLARE_ACCOUNT_ID/ai/run/@cf/cloudflare/clef \
-X POST \
-H "Authorization: Bearer $CLOUDFLARE_AUTH_TOKEN" \
-d '{
"model": "clef",
"state": "Checkout has been failing for every customer for the last hour.",
"questions": {
"urgent": { "type": "noul", "instructions": "Is this support request urgent?" },
"team": {
"type": "choice",
"instructions": "Which team should handle this request?",
"criteria": {
"billing": "Payments, invoices, and refunds",
"technical": "Outages, errors, and configuration",
"sales": "Plans and upgrades"
}
},
"severity": {
"type": "score",
"instructions": "How severe is the customer impact?",
"criteria": ["No impact", "Minor", "Major", "Critical"]
}
}
}'Multimodal: la capacidad que hoy solo tiene Clef
Esta es la diferencia de producto más clara de Clef frente a Jev. Jev solo clasifica texto, mientras que Clef incorpora un codificador de visión y puede leer imágenes y fotogramas de vídeo.
El uso consiste en añadir images (imágenes PIL) o videos (arrays de fotogramas) al registro y pasar el procesador a encode_record; los argumentos opcionales del procesador van en media_kwargs. Los registros solo de texto y multimodales pueden mezclarse en el mismo lote:
from PIL import Image
record = {
"state": {"task": "Review the attached receipt."},
"images": [Image.open("receipt.jpg")],
"questions": {
"legible": {"type": "noul", "instructions": "Is the receipt total legible?"},
},
}La propia demostración de Cloudflare es inteligencia de amenazas: entrega un dominio más una captura de Browser Run a Clef y deja que emita probabilidades multietiqueta como «95 % moda, 85 % comercio electrónico, <1 % phishing». Informan de que el flujo completo de obtención, renderizado y clasificación tardó 2,2 s con Clef frente a 4,7 s con su LLM general más rápido, gpt-oss-120b, que solo devolvió dos clasificaciones. Es una comparación útil de latencia y cobertura, pero ten en cuenta que mide el flujo de trabajo completo, no solo la inferencia del modelo.
Benchmarks: quién lidera dónde
Los benchmarks de proveedor merecen escrutinio. Aquí hay una porción de la ejecución interna oficial del Decision Index 0.2.1 (porcentajes, más alto es mejor):
| Benchmark | Clef | Clef-flash | Jev | Líder |
|---|---|---|---|---|
| BFCL (case exact) | 98.5 | 98.8 | 95.8 | Familia Clef |
| ToolRet (nDCG@10) | 69.2 | 66.4 | 65.3 | Clef |
| API-Bank (accuracy) | 91.9 | 93.1 | 88.2 | Familia Clef |
| BANKING77 (macro-F1) | 94.2 | 90.9 | 79.7 | Clef |
| CLINC150+OOS (macro-F1) | 97.4 | 66.8 | 89.3 | Clef |
| Home appliance (case exact) | 83.0 | 97.7 | 52.3 | Familia Clef |
| ContractNLI (macro-F1) | 81.4 | 84.3 | 71.7 | Familia Clef |
| MMLU (accuracy) | 90.3 | 91.8 | 91.7 | Empate |
| GPQA Diamond (accuracy) | 48.0 | 51.0 | 78.3 | Jev |
| MMLU-Pro (accuracy) | 65.9 | 65.3 | 82.7 | Jev |
| BBH (accuracy) | 73.7 | 68.9 | 92.9 | Jev |
| When2Call MCQ (accuracy) | 72.4 | 65.6 | 81.0 | Jev |
| BRIGHT (nDCG@10) | 45.9 | 39.3 | 47.5 | Jev |
La conclusión no es que «Clef arrasa». Una lectura más precisa: Clef es fuerte en clasificación, tool calling e indexación estructurada; Jev va por delante en tareas que requieren un poco de razonamiento general (GPQA, MMLU-Pro, BBH). Eso encaja con sus backbones y objetivos de entrenamiento: Clef reentrena un backbone Qwen y conserva más razonamiento general, mientras que Jev se adelanta en algunas métricas específicas de decisión. Elige según a cuál de esos tipos de tarea se parezca la tuya.
Latencia (milisegundos, más bajo es mejor):
| Métrica | Clef | Clef-flash | Jev | Laya |
|---|---|---|---|---|
| Latencia mediana | 209.3 | 38.8 | 524.1 | 5.8 |
| Latencia p95 | 238.6 | 122.4 | 536.0 | 222.5 |
Laya es extremadamente rápida en la mediana, pero claramente va por detrás en los benchmarks de calidad de arriba: una posición de «rápida pero sacrifica precisión». La familia Clef toma puntos distintos en la curva calidad-latencia: Clef optimiza la calidad, Clef-flash optimiza la velocidad. Estos números provienen de hardware y despliegues distintos y no pueden convertirse entre filas: trátalos solo como señales relativas.
Evaluaciones de flujo de trabajo (flujos de negocio de extremo a extremo de TypeSafe Evals):
| Flujo de trabajo | Clef | Clef-flash | Jev |
|---|---|---|---|
| Procesamiento de facturas (exact) | 64.7 | 57.1 | 61.8 |
| Atención al cliente (exact) | 76.3 | 77.0 | 76.0 |
| Incidentes de seguridad (exact) | 62.9 | 61.7 | 61.7 |
| Observabilidad de trazas de agente (primary) | 68.5 | 69.8 | 71.6 |
El encuadre de Cloudflare es «ganó tres de cuatro». Para ser justos, todas las diferencias son de un solo dígito, y esto es Cloudflare ejecutando la propia suite de evaluación de TypeSafe, así que para una compra real sigues necesitando tus propios datos.
Despliegue y licencia: qué compra realmente lo «abierto»
Ambos modelos Clef se distribuyen en Hugging Face bajo Apache-2.0, con safetensors fragmentados estándar que puedes ejecutar localmente:
- Transformers (pipeline
image-text-to-text) - vLLM (
vllm serve "Cloudflare/clef") - SGLang
- Docker Model Runner, llama.cpp / Ollama / LM Studio (compilaciones cuantizadas)
La disposición de archivos también es clara: los pesos del backbone, joint_head.safetensors + joint_head_config.json (la cabeza de esquema conjunta) y joint_schema_model.py (codificación de registros, batching y el wrapper systemone). Cloudflare probó en una única H200 con torch 2.11 y transformers 5.10.2.
Aquí es donde hay que desmontar el mito de que «open source significa gratis»:
- Apache-2.0 exime de la tarifa de licencia, pero pagas las GPU. 27B en BF16 no cabe cómodamente en tarjetas de consumo; los 9B de Clef-flash son mucho más realistas.
- La operación es tuya. El serving del modelo, la VRAM residente, las actualizaciones de versión, los parches de seguridad y la monitorización son todos costes.
- La versión gestionada elimina esos costes: además de Cloudflare Workers AI, puedes usar de pago la API gestionada de Clef o Clef-flash, a cambio de pasar a facturación por uso.
Cloudflare también subraya un punto apto para empresas: por defecto no lee, almacena ni entrena con tus peticiones y respuestas, salvo que te adhieras a su producto de fine-tuning. El autoalojamiento satisface trivialmente los requisitos de frontera de datos. Esto cubre exactamente el hueco que dejaba la comparación con Jev, donde la retención de datos de la API gestionada tenía que confirmarse con el proveedor.
La nueva plataforma de fine-tuning RL
Hay una sección del lanzamiento de Clef fácil de pasar por alto pero importante: Cloudflare presentó un servicio de fine-tuning RL.
La motivación es un gran conjunto de necesidades internas de clasificación muy especializadas (revisión de envíos de Trust & Safety, triaje de soporte, decidir bot bueno frente a bot malo). Esos escenarios cuentan con años de datos de decisión etiquetados. El fine-tuning cambia algo de rendimiento general por mayor precisión en un dominio concreto, y con más de 15 años de datos de red, esa es justo la fortaleza de Cloudflare.
El stack técnico merece mención:
- Cloudflare AI Gateway: captura el tráfico de IA en un dataset automáticamente
- Workers AI: genera rollouts contra el modelo Clef base
- Cloudflare Containers: un sandbox de RL para puntuar y reproducir acciones de agentes
- [Nuevo] Trainer: actualiza los pesos de Clef ajustados
- Workers AI + BYO Model: vuelve a desplegar el modelo ajustado en Workers AI
Hoy funciona como un servicio práctico con el equipo de ingenieros desplegados (FDE, forward-deployed engineer) de Cloudflare, con una plataforma de autoservicio prevista más adelante. Para equipos que ya están muy metidos en Cloudflare, es una vía para convertir tus datos etiquetados en un modelo de decisión a medida, algo para lo que Jev no tiene equivalente público hoy.
Recomendaciones: condiciones, no eslóganes
Elige Clef (o Clef-flash) si
- Tu entrada incluye imágenes o vídeo y necesitas clasificación multimodal.
- Los datos no pueden salir de tu frontera y necesitas pesos Apache-2.0 con autoalojamiento o despliegue offline.
- Quieres una ventana de contexto de 64k para estados más largos.
- Quieres hacer fine-tuning dentro del ecosistema de Cloudflare para construir un modelo a medida a partir de tus etiquetas.
- La latencia es crítica y aceptas el intercambio de precisión: Clef-flash es muy rápido.
- Quieres validarlo ahora mismo: ejecuta una petición de Clef o Clef-flash en defapi.
Elige Jev si
- Solo necesitas decisiones de texto y quieres una API gestionada sin operaciones.
- Tus tareas tienden al razonamiento general (GPQA / MMLU-Pro / BBH), donde Jev lidera actualmente.
- Ya tienes integraciones, umbrales y curvas de calibración de Jev, y el beneficio de la migración no cubre el coste de revalidación.
- Tu equipo no tiene capacidad de operación de GPU ni planes de ejecutar serving de modelos.
Si ambos sirven, entonces
- Ejecuta tráfico en la sombra con tu distribución real de estados, conjuntos de opciones y criterios de puntuación.
- Mide juntos la tasa de acierto, la calibración, la latencia p50/p95, el comportamiento de respaldo y el coste.
- No trates la compatibilidad de API como migración cero: revalida los umbrales con muestras límite.
- Incluye la retención de datos, la residencia, el SLA y los compromisos de soporte en la puerta de compra en lugar de fiarte de los benchmarks públicos.
FAQ
¿Clef es realmente totalmente compatible con Jev?
A nivel de protocolo de cable, sí: el mismo cuerpo de petición POST /v1/systemone y la misma forma de respuesta answers / usage, con las primitivas choice / score / noul correspondientes. Pero los límites de opciones, las fórmulas de confianza y las curvas de calibración difieren dentro de los modelos, así que los umbrales antiguos no pueden copiarse tal cual.
Clef es open source, ¿puedo ejecutarlo en producción gratis?
Una licencia gratuita no es un TCO cero. 27B necesita una GPU seria, además de serving de modelos, VRAM, monitorización, actualizaciones y parches de seguridad. Clef-flash (9B) o la versión gestionada suelen ser más económicos.
¿Clef o Clef-flash?
Clef es el modelo de precisión y lidera en la mayoría de los benchmarks; Clef-flash es el modelo de latencia con 38,8 ms de mediana, aproximadamente 5× más rápido que Clef, con caídas claras de precisión en tareas como CLINC150 y ContractNLI. Usa flash en rutas calientes y Clef para juicios críticos. Ambos están gestionados y listos para probar de pago en defapi: Clef, Clef-flash.
¿Puedo basar una decisión de compra en los benchmarks oficiales?
No. Son ejecuciones internas de Cloudflare, y Clef se compara en la propia suite de evaluación de TypeSafe. Sirven para descartar opciones claramente inadecuadas; la decisión final necesita el mismo dataset, la misma definición de fallo y los mismos umbrales de confianza sobre tus datos.
¿Cómo uso realmente la entrada de imagen?
Añade images (imágenes PIL) o videos (arrays de fotogramas) al registro, pon los argumentos opcionales del procesador en media_kwargs y pasa el procesador a encode_record. Los registros de texto y multimodales pueden mezclarse en un lote.
¿Qué requiere autoalojar Clef?
Una GPU de clase H200, torch 2.11 + transformers 5.10.2 y pillow para imagen/vídeo. Cloudflare no da garantías para hardware de consumo, así que haz pruebas de carga de p95 en tu hardware objetivo antes de producción.
¿Reemplazará Clef a Jev?
No necesariamente. Los dos intercambian victorias en los benchmarks, Jev lidera en tareas de razonamiento general y sigue siendo una vía puramente gestionada. Lo que realmente ha cambiado es que la categoría de modelos de decisión pasó de un único proveedor a un campo competitivo con pesos abiertos y entrada multimodal, algo bueno para los compradores.
Siguientes pasos
Para probar la vía gestionada directamente, usa de pago Clef en defapi (27B, precisión) o Clef-flash (9B, velocidad), y compáralo con la Jev API mediante tráfico en la sombra. Si la entrada de imagen o el autoalojamiento son un requisito indispensable, lee la model card de Clef en Hugging Face y el post de lanzamiento de Cloudflare, y luego ejecuta una comparación con tus propios datos. Para cubrir antes lo básico, consulta la comparación Jev vs Laya y la introducción a System One.